基于圖像處理的象棋棋盤識別摘要:基于圖像處理的象棋棋盤識別是象棋機器人軟件的重要組成局部,其核心工作是棋盤圖像二值化和棋子識別。針對棋盤全局二值化存在的問題,提出了基于相鄰像素灰度差閾值的棋盤圖像二值化方法;針對棋子文字方向任意的現(xiàn)象,運用象棋文字的識別作為顏色識別異常的補充。實驗結果說明,該方法提高了棋盤識別的效率。Chess-boardrecognitionbasedonImageProcessingisanimportantpartofachessrobotsoftwartsystem.It’skeyproblemsarebinarizationofchess-boardimageandcharacterrecognition.Tosavetheproblemcausedbyfullchess-boardbinarizationway,thebinarizationmethodbasedonthedifferencethresholdofneighborpixels’gray-levelisgiven.Totreattherandomofacharacter’sdirection,Thecharacterrecognitionwastakenasthesupplementtoexcep-tionsofcolorrecognition.Theproposedmethodimprovestheefficiencyofthechessboardrecognition關鍵詞:棋盤識別;顏色識別；文字識別；灰度差閾值;年輪統(tǒng)計Keywords:chessboardrecognition;colorrecognition;characterrecognition;thresholdofgrayscales’difference；annualringstatistic；1引言中國象棋變化多端,趣味無窮,是流傳了一千多年的優(yōu)秀游戲,是中華文化的精粹之一。隨著機器人技術的開展,機器人的功能越來越豐富,娛樂機器人的研究已經(jīng)成為一個重要的方向。象棋機器人是娛樂機器人的一種,在CCD攝像機的監(jiān)視下,使人機下棋過程非常類似于人與人之間的對弈,更具有人性化和親切感。本文介紹的系統(tǒng)是象棋機器人的視覺局部,能識別出當前棋盤的狀態(tài),提供應機器人下棋軟件進行進一步推理。1.1棋盤的預處理棋盤識別軟件的處理流程是棋盤圖像的二值化、棋子檢測和棋子文字識別。其中,二值化和棋子文字識別是關鍵。棋盤圖像二值化的目的是將棋盤背景與棋子及網(wǎng)格線別離,以便進行棋子的檢測和識別。目前圖像二值化方法很多,可劃分為全局閾值、局部閾值法、動態(tài)閾值法。全局閾值法實現(xiàn)簡單,速度快,對于具有明顯雙峰直方圖的圖像效果明顯,但對于光照不均勻的圖像效果欠佳,抗噪能力差。局部閾值法能處理較為復雜的情況,但往往忽略了圖像的邊緣特征,容易出現(xiàn)偽影現(xiàn)象,且當窗口寬度較大時,算法的速度將會受到很大影響。動態(tài)閾值法充分考慮了像元的鄰域特征,能夠根據(jù)圖像的不同背景情況自適應地改變閾值,可較精確地提取出二值圖像,但它過渡地夸大了像元的鄰域灰度的變化,會把不均勻灰度分布的背景分割到目標中去,帶來許多不應出現(xiàn)的假目標。在象棋機器人系統(tǒng)中裝有照明燈,為圖像捕捉提供光源。即使這樣,由于光照不均勻有時所捕捉的圖像仍存在一定的陰影、反光現(xiàn)象,致使圖像灰度層次較多。假設采用全局閾值法的二值化圖像,結果出現(xiàn)某些背景變黑而一些棋子模糊和網(wǎng)格線斷線的現(xiàn)象，這直接影響了后續(xù)的棋子和異物檢測。在象棋機器人系統(tǒng)中裝有照明燈,為圖像捕捉提供光源。即使這樣,由于光照不均勻有時所捕捉的圖像仍存在一定的陰影、反光現(xiàn)象,致使圖像灰度層次較多?；叶葓D像如圖3(a)所示。假設采用全局閾值法的二值化圖像,結果出現(xiàn)某些背景變黑而一些棋子模糊和網(wǎng)格線斷線的現(xiàn)象,如圖3(b)所示。這直接影響了后續(xù)的棋子和異物檢測。2.棋盤定位流程圖：棋盤棋子的定位：閾值的選?。篿m_all=imread('xqplg.jpg');imc=imcrop(im_all);imr=imc(:,:,1);img=imc(:,:,2);imb=imc(:,:,3);imrr=imr(:);imgg=img(:);imbb=imb(:);c=double([imrrimggimbb])/256;scatter3(imrr,imgg,imbb,15,c);棋子定位imqz=(imr>180&img>180 &imb>180);imc=imcrop(imqz,[csls 3030]);qzN=sum(sum(imc));棋子識別——紅色像素統(tǒng)計imqr=(imr>150&img<150&img>70&imb<200&imb>110);imcr=imcrop(imqr,[csls 3030]);qzR=sum(sum(imcr));下棋過程中棋子放置方向的任意性給文字識別帶來了困難。基于統(tǒng)計決策論的統(tǒng)計特征可以喪失方向信息,很適合棋子識別。統(tǒng)計決策論的要點是提取待識別模式的一組統(tǒng)計特征,然后按照一定準那么把所確定的決策函數(shù)進行分類判決。漢字的統(tǒng)計模式識別就是將字符點陣看作一個整體,從該整體上經(jīng)過大量統(tǒng)計所得特征,用盡可能少的特征模式來描述盡可能多的信息。所采用的方法有特征統(tǒng)計的方法、整體變換分析法、幾何矩特征、筆劃密度特征、字符投影特征、外圍特征、微結構特征和特征點特征等。本文針對象棋棋子文字,提出了3種基于統(tǒng)計特征的棋子文字識別方法,很好地解決了文字的方向問題。3文字識別在開局或者是進行殘局的對弈時,需要識別各位置棋子的顏色及文字,以便建立起棋子的狀態(tài)矩陣。文字的識別可以根據(jù)字符結構,抽取字符特征,然后根據(jù)這些特征構造編碼器,進行編碼識別的方式[4-6],但是一旦文字的方向發(fā)生變化,這種方式將很難處理。因此,使用基于年輪統(tǒng)計的方法[1],該方法的優(yōu)點是與文字的方向無關,一旦確立了每個象棋文字的特征值,就可以快速地識別文字。為了加快文字識別的速度,在每個棋子上的圓形凹槽均填充為與棋子相同的顏色。針對捕獲的圖像,首先進行顏色的識別,以記錄各棋子有效位置的顏色信息,然后,對于存在棋子的有效位置進行分割,分割出來的每一個矩形圖片均進行文字識別。其步驟如下。1)濾波。這里采用中值濾波,每個像素點根據(jù)其周圍的像素點的RGB值進行平均,以抑制隨機噪聲,并且能夠很好地保存邊緣信息，原圖和濾波后的效果如下。2)顏色增強。對于紅顏色或者綠顏色分量進行增強,其飽和度增強0.2左右,使得顏色信息在圖像中進一步呈現(xiàn),以提高根據(jù)顏色進行二值化的成功率。3)二值化。這里的二值化指的是紅色或者綠色保存,其他顏色變?yōu)榘咨?以下說明均以紅色為例。將圖1(b)按照表1所列的區(qū)間進行按照紅色的二值化所得到結果如圖2(a)所示。由于顏色區(qū)間是按照寬范圍來選擇的,因此將有局部灰色和黃色被保存下來,事實上在RGB顏色空間中,黃色是由紅色疊加綠色得來的,而灰顏色的三種顏色分量的值相差不大,因此設定閾值來去除掉黃顏色和灰顏色。條件為:如果RG<60,那么認為不可能是紅色;如果G≥110,那么認為不可能是紅色。根據(jù)這個條件進行紅顏色的二值化結果如圖2(b)所示。4)提高比照度,并進一步剔除掉紅色。在步驟3)中所得到的圖片線條邊緣還有局部淺紅存在,不利于文字識別,通過提高圖像的比照度,使得這一局部顏色變?yōu)榧t色,而紅色變?yōu)楹谏?以便于進一步別離,如圖3(a)所示。此時將圖片中的紅色剔除掉,結果如圖3(b)所示。5)圓形檢測。圓形的檢測方法主要有基于Hough變換(HoughTransformation,HT)的累積方法和基于弧線幾何特征的檢測方法[8],這些方法具有普適性,計算量卻很大。本例中的圓形具有其特殊性,因此考慮計算量更小的方法。根據(jù)步驟4)所得到的圖片中圓形可能不是完整的,但不影響確定圓心的位置。分割得到的圖片本身就是一個正方形的結構,將圖片數(shù)據(jù)的0行0列作為坐標原點,如圖4所示,h和w分別為圖片的高度和寬度,很顯然h和w是相等的。以坐標原點為圓心,以圖片寬度的1/2作為半徑畫出圓弧,只需要記錄圓弧上第一個和最后一個發(fā)生顏色突變的點,就可以確定圓弧與圓的交點,有了交點就可以確定通過圓心和坐標原點的直線。依此方法再以(0,h)或(h,h)或(h,0)作為圓心畫出圓弧同樣也可以確定一條直線,兩條直線的交點即為圓心的坐標。實際中,由于得到的圓形不一定是封閉的,所采集的兩個突變點就可能不在圓上,這時確定的圓心可能就是錯誤的。因此根據(jù)不同的半徑增加所畫圓弧的個數(shù),得到多組圓上的點,經(jīng)過比擬分析去掉錯誤點,得到圓心的位置。由圓心的坐標和前期工作中得到的圓上的點,就可以確定整個圓的位置。6)過輪數(shù)計算。年輪統(tǒng)計法是根據(jù)過輪數(shù)特征構造編碼器對文字進行識別。該方法結合了一定的棋子文字結構且與方向無關。過輪數(shù)的詳細算法步驟請參考文獻[1]。根據(jù)過輪數(shù)的計算,可以得到當前棋子的文字。一旦確定了棋子的文字,和前期確定的顏色信息,就可以建立起初始的棋子狀態(tài)矩陣。從而為后續(xù)的人機對弈提供快速的檢測方式。4.總結和展望：本文所提出的基于鄰像素差閾值的棋盤圖像二值化方法，計算量小、二值化效果好、且能適應較寬的光線條件;基于統(tǒng)計特征的棋子文字識別方法具有方向無關性,很好地適應了棋子方向任意的實際情況。在下棋過程中,為進一步提高處理速度,可先做相鄰棋盤圖像的差分,在二值差分圖上檢測變化位置,只限定在當前二值圖的變化局部進行檢測和識別,可大大縮短處理時間。在具體應用中由于棋子文字字體的不同,文中基于文字連通數(shù)與孔數(shù)的識別方法和基于年輪統(tǒng)計的識別方法中的具體特征值可能不能直接使用,但方法的思想是可以借鑒的。在一些字體中,某種單一的特征可能不能將各文字有效區(qū)分,這時可以融合幾種特征,如有些字體的士、卒、車的連通域數(shù)和孔數(shù)都是1和0,此時可通過增加1/4R過輪數(shù)的特征進行識別。本文所提出的基于顏色和文字識別協(xié)同工作的棋盤識別方法,相比于單一棋子的文字識別來說,大大降低了計算量,提高了棋盤識別的速度,并且具有很好的識別率。參考文獻:[1]杜俊俐,張景飛,黃心漢.基于視覺的象棋棋盤識別[J].計算機工程與應用,2007,43(34):220-222.[2]陶霖密,徐光枯.機器視覺中的顏色問題及應用[J].科學通報,2001,46(3):178-190.[3]Colorconversionmathandformulas[EB/OL].[2009-07-04].[4]嚴國莉,黃山,李岱漳,等.印刷體數(shù)字快速識別算法在身份證編碼數(shù)字識別中的應用[J].計算機工程,2003,29(1):178-179.[5]齊永鋒,火元蓮.一種基于膚色的人臉檢測與定位方法[J].計算機應用,2023,29(3):785-788.[6]趙志誠,蔡安妮.圖像顏色矢量量化算法[J].北京郵電大學學報,2007,30(5):77-81.[7]楊枝靈,王開.VisualC++數(shù)字圖像獲取、處理及實踐應用[M].北京:人民郵電出版社,2003:553-572.[8]于中,徐文立,陳峰.邊緣